Siemens Energy ist ein globales Energietechnologieunternehmen und betreut Kunden entlang der gesamten energiewirtschaftlichen Wertschöpfungskette. Am Standort Nürnberg betreibt das Unternehmen einen langjährig etablierten Servicebetrieb für Dampfturbinen in einem hochkomplexen Brownfield-Umfeld. Mit mehr als 100 Jahren Industriegeschichte werden dort High-Mix-, Low-Volume- und Engineered-to-Order-(HMLV/ETO)-Prozesse umgesetzt, die Präzision, Rückverfolgbarkeit und eine enge Verzahnung von physischen Abläufen und digitalen Systemen erfordern.
Am Standort Nürnberg, einem traditionsreichen Servicebetrieb für Dampfturbinen mit mehr als 100 Jahren Industriegeschichte, agiert Siemens Energy in einem hochdynamischen Brownfield-Produktionsumfeld mit zahlreichen Übergabepunkten, Bereitstellungsflächen, Zollbereichen und externen Bearbeitungsschritten. In diesem Umfeld ist eine enge Abstimmung zwischen Materialfluss und Workflow-Ausführung entscheidend, um Transparenz, Tempo und Prozesssicherheit im gesamten Shopfloor sicherzustellen.
Siemens-Energy-Standort Nürnberg (historische Ansicht)
In einem High-Mix- und Engineered-to-Order-Umfeld können selbst kleine Lücken zwischen physischen Abläufen und digitalen Datensätzen die Umsetzungsgeschwindigkeit, Audit-Fähigkeit und Prozesskonsistenz beeinträchtigen. Siemens Energy sah daher die Möglichkeit, die Abstimmung weiter zu verbessern, die Transparenz bei Asset-Bewegungen zu erhöhen und eine nahtlosere Verzahnung zwischen Shopfloor und SAP zu unterstützen.
Um darauf aufzubauen, suchte Siemens Energy nach einer Lösung, die Echtzeittransparenz schafft, Workflow-Trigger automatisiert und schnellere, fundiertere Entscheidungen ermöglicht, ohne dabei die Anforderungen einer gewachsenen Produktionsumgebung aus dem Blick zu verlieren.
Siemens Energy führte das Echtzeit-Ortungssystem (RTLS) von Inpixon gemeinsam mit askPixi AI ein, um am Standort Nürnberg ein standortbezogenes, ereignisgesteuertes Betriebsmodell aufzubauen.
Illustrative Demo-Ansichten der Lösung, dargestellt als Symbolbild. Die Visualisierungen dienen ausschließlich Demonstrationszwecken und enthalten keine Produktionsdaten von Siemens Energy.
Inpixon RTLS schuf Echtzeittransparenz über den Standort von Paletten, Turbinen und Komponenten sowie von Kundenaufträgen und Dokumentationen in 16 definierten Zonen, darunter kritische Bereitstellungs-, Zoll- und Übergabebereiche. Diese standortbezogene Echtzeittransparenz diente als operative Grundlage und ermöglichte es, Workflow-Schritte automatisch auf Basis des tatsächlichen Standorts von Assets auszulösen.
"Diese Implementierung bestätigt unsere Strategie, komplexe Umgebungen in leistungsstarke Ausführungszentren zu verwandeln. Indem wir die Lücke zwischen Shopfloor und SAP mit intelligenten, standortbezogenen Workflows schließen, haben wir eine Blaupause geschaffen, die einen neuen digitalen Standard setzt."
— Daniel Weber, IT Analyst, Siemens Energy
Über die SAP-Integration via Mendix etablierte Siemens Energy einen kontinuierlichen Ereigniskreislauf zwischen dem Shopfloor und dem digitalen Kern. Dadurch konnten physische Asset-Bewegungen automatisierte und revisionssichere Prozessbuchungen auslösen, was den Bedarf an manuellen Aktualisierungen reduzierte und die Genauigkeit des digitalen Zwillings verbesserte.
Auf dieser Infrastruktur setzte Siemens Energy askPixi AI als intelligente Entscheidungsebene auf. askPixi wandelte rohe Standortdaten in verständliche Erkenntnisse, Prioritäten in Echtzeit und Eskalationshinweise um und half den Teams so, schneller und fundierter zu entscheiden.
Insgesamt entstand so eine skalierbare Blaupause für intelligente Ausführung in komplexen Brownfield- und Engineered-to-Order-Fertigungsumgebungen.
Innerhalb des validierten Produktionsumfangs bei Siemens Energy in Nürnberg erzielte die Lösung über rund 1.500 nachverfolgte Assets hinweg messbare Verbesserungen bei Prozessgeschwindigkeit, Transparenz und Ausführungssicherheit.
Wesentliche Ergebnisse waren unter anderem:
Bis zu 20 % höherer Teiledurchsatz: Dies spiegelt eine gesteigerte Prozesseffizienz im Teilehandling innerhalb des validierten Bereichs wider, trotz der Einschränkungen eines Brownfield-Umfelds und der Komplexität von ETO-Prozessen.
Bis zu 90 % kürzere Suchzeiten: Dadurch wird nicht wertschöpfende Arbeitszeit nahezu eliminiert, sodass sich die Teams vollständig auf die eigentliche Ausführung konzentrieren können.
Bis zu 50 % weniger Abweichungen bei SAP-Buchungen: Durch die Synchronisierung von physischem Shopfloor und digitalem Kern reduziert die Lösung manuelle Korrekturen und sorgt für eine hohe Datenintegrität in nachgelagerten Planungsprozessen.
Bis zu 25 % stabilere Verweilzeiten: Eine verbesserte Kontrolle über kritische Zonen verhindert Engpässe und sorgt für einen gleichmäßigen, planbaren Materialfluss.
Bis zu 20 % weniger störungsbedingte Unterbrechungen durch Überlastung: Das proaktive Management von Flächen und Übergabepunkten trägt zu einem stabileren Produktionsumfeld bei.
Diese Verbesserungen halfen Siemens Energy dabei, nicht wertschöpfende Tätigkeiten zu reduzieren, den Materialfluss zu stabilisieren, die Audit-Fähigkeit zu stärken und die Abstimmung über kritische Shopfloor-Prozesse hinweg zu verbessern. Darüber hinaus schuf das Projekt eine wiederholbare Blaupause für den Rollout in vergleichbaren Produktionsumgebungen.
"Dieses Projekt zeigt, wie standortbezogene Echtzeitdaten und KI schnellere Entscheidungen und eine zuverlässigere Ausführung in komplexen industriellen Umgebungen unterstützen können."
— Dr. Norman Dziengel, Senior Product Manager & Consultant, Inpixon
Teammitglieder von Siemens Energy und Inpixon bei der Projektpräsentation des MIMA 2026 (von links nach rechts): Marvin Koch (Inpixon), Dr. Norman Dziengel (Inpixon), Daniel Weber (Siemens Energy), Maurice Lehwald (Siemens Energy), Kai Sonntag (Siemens Energy).
Das in dieser Case Study vorgestellte Projekt erhielt 2026 externe Anerkennung im Rahmen des Microsoft Intelligent Manufacturing Award (MIMA). Siemens Energy und Inpixon wurden dabei gemeinsam in den Champions Circle aufgenommen.
.svg){kind=small}
-INPI-PAPERLESS-Webinar.png?length=1000&name=(FBLI)-INPI-PAPERLESS-Webinar.png)
